Python图像竖直方向错切变换数学原理及实现

一、引言

图像错切变换属于图像的几何变换。图像错切错切变换包括水平方向错切变换和竖直方向错切变换。水平方向错切就相当于有一摞书，保持高度不变的情况下，从上层到下层，整体按照一定的比例（其实就是斜率）向左侧或者右侧移动。而竖直方向则可以看做是水平方向旋转了90°的结果而已。错切示意图如下图所示。

其数学原理很简单，就是简单的矩阵乘法。
本文给出了图像竖直方向错切变换的Python详细实现过程（纯手工）。

二、竖直方向变换数学公式

假设变换之前的坐标为(x,y)，变换之后的坐标为(x*, y*)，则沿水平方向错切变换变换公式的矩阵形式为：

其中系数d是错切比例。
展开之后就是：

由此可以看出水平方向的错切变换就是针对行坐标y进行变换，而列坐标x不变。
通过对比水平方向错切和竖直方向错切变换，可以发现，沿着哪个方向错切，则变换哪个坐标分量即可。

三、Python手工实现图像竖直方向错切变换

1.单通道图像竖直方向变换

#im为单通道图像像素矩阵
#delta为错切比例，delta>0表示向上错切，否则向下侧错切
#返回错切变换结果图像
def SingleChannelShearY( im, delta ):
    [m, n] = np.shape( im )
    h = int( m + abs( delta * n ) )#变换后图像的高度
    imRT = np.zeros( [ h, n ] )#高度改变
    for i in range( m ):
        for j in range( n ):
            if delta > 0:
                imRT[i + int( delta*j )][n-j-1] = im[i][n-j-1]
            else:
                imRT[i + int( -delta*j )][j] = im[i][j]
    imRT = imRT.clip( 0, 255 )#限制灰度值在0~255之间
    imRT = np.rint(imRT).astype('uint8')#设置像素的数据类型 
    return imRT

2.灰度图像或彩色图像竖直方向错切变换
灰度图像直接调用前面的单通道图像变换函数即可。
彩色图像针对R、G、B分量分别调用单通道图变换函数即可。

def ImageShearTransform( im, delta ):
    dims = np.shape( im )#获取图像维数
    lens = len( dims )   #lens值为2则是灰度图像，为3则是彩色图像
    if lens == 2:#单通道图像
        imRT = SingleChannelShearY( im, delta )
    if lens == 3:#三通道图像
        imr = im[ :, :, 0 ]
        img = im[ :, :, 1 ]
        imb = im[ :, :, 2 ]
        imrRT = SingleChannelShearY( imr, delta )
        imgRT = SingleChannelShearY( img, delta )
        imbRT = SingleChannelShearY( imb, delta )
        imRT = np.stack( ( imrRT, imgRT, imbRT ), 2  )
    return imRT

3.完整的图像沿竖直方向错切变换代码

import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
#单通道图像的竖直方向错切变换
#im为单通道图像像素矩阵
#delta为错切比例，delta>0表示向上错切，否则向下侧错切
#返回错切变换结果图像
def SingleChannelShearY( im, delta ):
    [m, n] = np.shape( im )
    h = int( m + abs( delta * n ) )
    imRT = np.zeros( [ h, n ] )
    for i in range( m ):
        for j in range( n ):
            if delta > 0:
                imRT[i + int( delta*j )][n-j-1] = im[i][n-j-1]
            else:
                imRT[i + int( -delta*j )][j] = im[i][j]
    imRT = imRT.clip( 0, 255 )#限制灰度值在0~255之间
    imRT = np.rint(imRT).astype('uint8')#设置像素的数据类型 
    return imRT
#图像竖直方向错切变换，可以是灰度图像，也可以是彩色图像
def ImageShearTransform( im, delta ):
    dims = np.shape( im )#获取图像维数
    lens = len( dims )   #lens值为2则是灰度图像，为3则是彩色图像
    if lens == 2:#单通道图像
        imRT = SingleChannelShearY( im, delta )
    if lens == 3:#三通道图像
        imr = im[ :, :, 0 ]
        img = im[ :, :, 1 ]
        imb = im[ :, :, 2 ]
        imrRT = SingleChannelShearY( imr, delta )
        imgRT = SingleChannelShearY( img, delta )
        imbRT = SingleChannelShearY( imb, delta )
        imRT = np.stack( ( imrRT, imgRT, imbRT ), 2  )
    return imRT
        
def main():
    im = np.array( Image.open('dog.jpg', 'r') )
    #im = np.array( Image.open('lena.bmp', 'r') )
    #print( 'size:',im.shape )
    plt.figure()
    plt.imshow( im, cmap = 'gray' )
    plt.axis( 'off' )
    
    delta = -0.5#向下侧错切
    imRT = ImageShearTransform( im, delta )
    #print( imRT.shape )
    plt.figure()
    plt.imshow( imRT, cmap = 'gray' )
    plt.axis( 'off' )
    
    delta = 0.5#向上侧错切
    imRT = ImageShearTransform( im, delta )
    #print( imRT.shape )
    plt.figure()
    plt.imshow( imRT, cmap = 'gray' )
    plt.axis( 'off' )
    
if __name__ == '__main__':
    main()

运行结果：